基于高光谱反射率的糜子冠层叶片叶绿素含量估算

连续两年大田试验研究不同糜子品种叶绿素含量与冠层光谱反射率,并基于不同植被指数建立糜子叶片叶绿素含量的估测模型。结果表明,参试糜子品种叶绿素含量在整个生育期呈现"低-高-低"的抛物线变化趋势,最大值出现在抽穗期到开花期之间;不同品种各生育期内冠层光谱反射率趋势一致,在近红外波段,冠层光谱反射率与叶绿素含量呈稳定正相关,灌浆初期光谱反射率达到最大值;可见光波段,拔节期、开花期和灌浆初期冠层光谱反射率与冠层叶绿素含量呈正相关,成熟期呈负相关;糜子冠层叶绿素含量与760~900、630~690、550 nm波段组合的植被指数具有较高相关性;基于RVI、PSNDb、GNDVI750能较好地建立糜子叶绿素含量统一检测模型,决定系数分别为0.791、0.779、0.748;模型验证的相对误差分别为9.58%、8.93%、11.80%;均方根误差分别为0.045、0.140、0.196。表明利用RVI、PSNDb、GNDVI750建立的模型能较为准确地预测糜子冠层叶绿素含量。     

基于无人机高光谱影像玉米叶绿素含量估算

以无人机为平台搭载高光谱相机获得玉米农田高光谱影像,从中提取光谱特征参数,构建玉米叶片叶绿素含量估算模型,并制作玉米叶片叶绿素含量分布图。结果表明,以红边面积（SDr）、红边一阶微分最大值（Dr）、差值植被指数(DVI)为自变量构建的回归模型建模精度较高,以此反演玉米叶片SPAD值分布图并对填图结果进行精度检验,得出SPAD-Dr模型填图预测效果最佳（R2=0.89,RMSE=1.28,RE=2.31）,可以作为玉米叶片叶绿素含量无人机高光谱影像遥感反演估算的基本模型。     

夏玉米叶片光合色素含量高光谱估算

为了实现夏玉米叶片光合色素含量的快速、无损检测,以陕西省关中地区夏玉米“大丰26号”为研究对象,探究了不同总色素含量水平的玉米叶片反射光谱特征。分别提取与叶绿素a、叶绿素b、类胡萝卜素和总色素含量相关性较强的15个光谱参数,通过单变量回归、多元逐步回归和随机森林回归分析,建立光合色素含量估算模型并进行精度比较。结果表明：基于随机森林方法构建的光合色素估算模型精度最高,其中,叶绿素a、叶绿素b、类胡萝卜素的建模R²为0.93,总色素的建模R²为0.92;叶绿素a和类胡萝卜素的检验R^{2<、sup>为0.74,叶绿素b和总色素的检验R2为0.71;各模型的均方根误差（RMSE）和相对误差（RE）相差不大;拟合精度由高到低依次为叶绿素a、类胡萝卜素、总色素和叶绿素b的RF模型。证实了随机森林方法在夏玉米叶片光合色素含量估算中的优越性,并构建了高精度的光合色素RF估算模型。}     

谷子叶绿素含量高光谱特征分析及其反演模型构建

基于高光谱数据综合分析不同施肥条件下谷子各生长期冠层叶绿素含量的高光谱特征,在分析各光谱特征参数与叶绿素相关性的基础上,基于偏最小二乘法和人工神经网络构建叶绿素含量的遥感反演模型.结果表明:NDVI(归一化植被指数)、GNDVI(绿色归一化植被指数)、PSNDa(特殊色素归一化指数a)、PSSRc(特征色素简单比值指数...     

利用光谱特征参数估算病害胁迫下杉木叶绿素含量

为了探索建立炭疽病胁迫下杉木叶绿素含量的高光谱估算模型,促进遥感技术在森林病虫害监测中的应用,通过获取不同发病程度的杉木冠层光谱及相应的叶绿素含量,将冠层光谱数据、一阶微分数据与相应的叶绿素含量分别进行了相关分析。采用逐步回归、主成分回归及偏最小二乘回归方法构建叶绿素含量的估算模型。叶绿素含量与原始光谱在可见光(614～698nm)和近红外区(724nm之后)达到极显著相关,且在近红外区基本趋于稳定;与一阶微分光谱在424～486nm、514～532nm、552～682nm、698～755nm和762～772nm波段全部达到极显著相关;3种建模方法均消除了参数间多重共线性的影响,模型的决定系数全部达到极显著水平,其中逐步回归模型精度最高,相对误差和均方根误差分别为10.71%和0.194。研究表明受到不同程度炭疽病胁迫的杉木冠层光谱反射差异较大,可利用高光谱信息定量估算病害胁迫下的杉木叶绿素含量,且估算精度较高。     

基于高光谱的渭北旱塬区棉花冠层叶面积指数估算

以棉花冠层高光谱反射率与冠层叶片叶面积指数(LAI)为数据源,在分析LAI与原始高光谱反射率、一阶微分光谱反射率、光谱提取变量和植被指数相关性的基础上,采用一元线性与多元回归的方法构建了棉花LAI高光谱估算模型,并进行精度估算。结果显示,在可见光范围内随着生育期的推进及施氮量的增加冠层光谱反射率逐渐降低,在近红外范围内从苗期到花铃期随着施氮量增加反射率逐渐增加,花铃期到吐絮期反射率明显降低;各生育期冠层光谱的提取变量与LAI的相关性不强,全生育期各种光谱提取量及植被指数与LAI的相关性高于不同生育期;棉花冠层叶片LAI在反射光谱1 461 nm处相关系数达到最大值(r=-0.726);对于一阶微分光谱,LAI的敏感波段发生在742 nm处,r=0.744;以敏感波段742 nm一阶微分光谱反射率建立的逐步回归估算模型精度最高,RMSE=0.94,RE=26.27%,r=0.78。说明以全生育期为基础,采用一阶微分光谱敏感波段,并根据实际条件选择有效的估测模型,可以进行棉花LAI的预测。     

基于地面高光谱遥感的稻纵卷叶螟为害下的水稻LAI估算模型研究

为了有效监测稻纵卷叶螟的为害状况及其对水稻生长发育产生的危害,本研究通过开展连续的定点大田观测实验,对稻纵卷叶螟虫情及其为害状况进行调查,通过观测水稻冠层光谱反射率和叶面积指数（LAI）等,分析水稻冠层光谱反射率、植被指数与LAI的相关性,筛选出与LAI相关系数高的光谱特征波段和植被指数,构建了多因子LAI估算模型,并利用实测数据进行验证。结果证明模型拟合效果理想,可为我国更好地开展水稻生产监测提供参考。     

引黄灌区水稻不同生育期叶绿素含量估测

叶绿素是植物光合作用的物质基础。为了探讨不同生育期水稻冠层光谱与叶绿素含量的响应规律,以宁夏引黄灌区水稻为材料,经小区试验测定水稻冠层光谱与叶绿素含量,分析冠层光谱反射率与叶绿素含量的相关性,建立两者之间的相关模型,结果表明:不同生育期内,水稻冠层光谱反射率差异较大;水稻冠层光谱反射率与叶绿素含量相关性随着生育期的推进而逐渐降低;基于全波段归一化光谱指数(NDSI)构建的拔节期(NDSI_((456,475)),R~2=0.6502)、抽穗期(NDSI_((748,782)),R~2=0.5264)、乳熟期(NDSI_((822,823)),R~2=0.5708)、蜡熟期(NDSI_((730,731)),R~2=0.4396)叶绿素模型能较好地预测水稻冠层叶绿素含量。     

干旱区玉米抽雄期叶绿素含量高光谱最佳模型选择

采用相关性、线性和非线性分析法,探讨了玉米抽雄期叶片叶绿素含量与多种高光谱参数之间的关系,并建立了叶绿素含量的定量监测模型。结果表明:(1)原始光谱反射率与叶绿素含量在713 nm处具有最大相关系数r=0.86,光谱反射率一阶微分在760 nm处与叶绿素含量具有最大相关性r=0.84。同时,最大一阶微分分别对应的波长(λr,λb,λy)、绿峰反射率(Rg)和其对应的波长λg、红边内最大一阶微分总和(SDr)、比值植被指数(SDr/SDb,SDr/SDy,(Rg-Ro)/(Rg+Ro))以及归一化植被指数(SDr-SDb)/(SDr+SDb)等10种参数分别与叶绿素含量的相关性达到极显著相关。(2)采用相关性达到极其显著的12种光谱参数进行建模,其中原始光谱、绿色反射峰以及光谱反射率一阶微分、基于红边面积与蓝边面积的比值植被指数和归一化植被指数所建立的10个模型R2都不小于0.72,前两者所建立的指数模型优于线性模型,而后三者所建立的线性模型则优于指数模型。(3)所选取的五个方程中,在760 nm处的光谱反射率一阶微分值所构建的线性模型:y叶绿素=6912x760nm+44.878因其具有最大决定系数和最小的RMSE,并且其模型表达式相对简单,因此是玉米抽雄期叶绿素含量的最佳预测模型,从模型决定系数R2来看,它比其他模型至少提高了11.4%。     

应用光谱指数法估算多枝柽柳同化枝叶绿素含量

对叶片叶绿素含量的动态监测,是理解荒漠生态系统特定的碳循环过程及其生态功能的一个重要前提。快速无损地获取叶片中的叶绿素含量信息是掌握叶绿素动态的先决条件,也是当前植被遥感研究的一个重要课题。通过收集86种已发表的叶绿素光谱指数,以荒漠生态系统重要建群种多枝柽柳(Tamarix ramosissima)为研究对象,对这些指数在具有特殊旱生形态的柽柳同化枝的适用性进行了评价,从中遴选出了3个结构简单且表现较好的光谱指数:R_(860)/(R_(550)×R_(708))、1/R_(700)、R_(550),其与实测叶绿素含量建立的估算模型决定系数(R~2)分别为0.49、0.47和0.40,估算值与实测值的均方根误差(RMSE)分别为2.40、2.45、2.59μg·cm~(-2),自举法(bootstrapping)检验误差RMSE分别为2.47、2.53、2.67μg·cm~(-2),在一定精度上可以满足动态把握干旱区柽柳植被叶绿素的要求,但在将来研究中必须注重开发新的适用于同化枝的光谱指数。     

基于连续小波变换的干旱胁迫下玉米冠层叶绿素密度估测

测定了玉米各生育时期干旱胁迫下冠层叶绿素密度及冠层光谱数据,利用原始光谱反射率与冠层叶绿素密度进行相关性分析,采用常用植被指数、波段自由组合、连续小波变换构建玉米冠层叶绿素密度估测模型,并用决定系数(R2)、均方根误差(RMSE)进行精度检验.结果表明:冠层叶绿素密度在抽雄期相较于正常对照,轻度、中度、重度干旱胁迫处理...     

基于高光谱的水浇地与旱地春小麦拔节期叶绿素含量估测模型对比研究

测定拔节期水浇地与旱地春小麦冠层光谱、叶绿素含量、覆盖度、苗高和叶宽,采用回归分析方法建立春小麦叶绿素含量高光谱估测模型,并对模型精度进行检验。结果表明：阳坡和双面坡地春小麦拔节期叶绿素含量与原始光谱反射率在可见光和近红外波段均呈正相关,水浇地和阴坡地在723 nm以前相关系数为负,723 nm以后为正。各地类春小麦叶绿素含量与各高光谱变量的相关性均较好,均达到了极显著水平（P＜0．01）。无论在可见光还是近红外波段,水浇地春小麦叶绿素含量均与倒数之对数 lg（1/R）的相关性最好,相关系数最大值可达0．98;阴坡地则与一阶微分的相关性最好,最大为0．94;而与阳坡和双面坡地相关性最好的高光谱指数为归一化植被指数。在各个波段,倒数之对数模型lg（1/R）、一阶微分模型（p′）和归一化植被指数模型（N）分别是估测水浇地、阴坡地、阳坡和双面坡地春小麦叶绿素含量的最佳模型。虽然各模型 R2均超过0．90,精确度均大于0．91,但阴坡地、阳坡和双面坡地的模型精确度和准确度略低于水浇地。以上模型的建立可为今后估测水浇地与旱地春小麦的健康状况提供参考。     

基于Stacking集成学习的猕猴桃叶片叶绿素含量估算

叶绿素含量能有效表征植物光合作用强度,是反映植物生长状况的重要参量之一。以秦岭北麓壮果期猕猴桃叶片为研究对象,分别测定其叶绿素含量和光谱反射率,通过分析380～1 000 nm范围内高光谱参数与叶绿素含量的相关性,筛选出估测模型的输入特征,选择随机森林、极限梯度提升树、K-近邻、LightGBM算法和岭回归作为基模型,线性回归作为元模型,建立基于Stacking集成学习的猕猴桃叶片叶绿素含量估算模型,并通过网格搜索和交叉验证提高模型泛化能力,将Stacking模型与多个单一模型进行比较。结果表明：(1)不同叶绿素含量的猕猴桃叶片高光谱反射率变化趋势基本一致,在380～1 000 nm范围内呈现“一峰两谷一平台”的特点;(2)各高光谱参数与猕猴桃叶片叶绿素含量相关性较好,优化光谱指数和传统光谱指数中与叶绿素含量相关性最高的分别是比值光谱指数(RSI′_581,438,r=0.947)和红边位置(r=0.914);(3)与多个单一模型相比,Stacking集成模型的估算精度最高(R²=0.807,MAE=0.334,RMSE=0.136),同时,其...     

基于随机森林回归的油菜叶片SPAD值遥感估算

以西北地区典型经济作物油菜为研究对象,利用SVC-1024i型便携式光谱仪和SPAD-502型叶绿素仪测定了油菜不同生育期的叶片光谱反射率和SPAD值。通过分析油菜原始光谱及10种光谱指数与SPAD值的相关关系,基于光谱指数构建了不同生育期油菜叶片SPAD值随机森林回归（RF）估算模型,并利用独立样本对所建模型进行验证,同时结合传统的一元线性回归模型和多元逐步回归模型与其进行比较。结果表明：油菜叶片SPAD值在全生育期内呈现出先上升后下降的趋势;各光谱指数在不同生育期及全生育期与SPAD值的相关性均达到0.01水平的显著相关;基于光谱指数构建的随机森林回归模型在油菜各个生育期及全生育期建模和预测结果明显优于同期的传统回归模型,建模R²达0.90以上,验证R2达0.81以上,RMSE在1.571~5.004,RE在2.66%~13.22%,是油菜叶片SPAD值的最优估算模型。